win11+cuda+cudnn+tensorflow-gpu配置
本文参考：
https://www.cnblogs.com/LandWind/p/win11-cuda-cudnn-Tensorflow-GPU-env-start.html
https://blog.csdn.net/qq_30277973/article/details/130566321
前置说明
首先查看设备硬件是否支持：
电脑右下角，点开NVIDIA控制面板，，点击上方菜单栏“帮助”，选择“系统信息”，再点击“组件”，如下图所示，可查看当前GPU支持的CUDA版本。
或者打开命令行，输入指令：
nvidia-smi
同样可以获取到当前GPU所支持的最高CUDA版本。
Tensorflow-gpu对应版本
踩坑：本人在使用TensorFlow==2.13时，发现调用 tf.test.is_gpu_available() 时，结果始终为 False ，上网搜索后发现有网友在官网上找到这么一段解释：
从2.11版本开始，需要在windows WLS2（适用于 Linux 的 Windows 子系统）上安装才能使用GPU。
所以要在native-windows上使用GPU，就只能安装2.10.0版本及以下的版本，
或者安装老版的tensorflow-gpu。(本文选择使用的解决方案)
所以，感觉anaconda挨个卸载tensorflow相关包太麻烦，直接删除环境重新创建一个新的环境，再按照本文顺序下载安装相应版本的CUDA，cuDNN，tensorflow-gpu，配置环境。
重点：CUDA，cuDNN，tensorflow-gpu 三者一定要版本对应！！！
CUDA安装
查tensorflow-gpu和CUDA、cuDNN版本对应表可知，tensorflow-gpu支持的CUDA版本为11.2，但是本人是win11系统，而CUDA 11.2 只有win10选项。
在参考了博客园成功安装的博客（https://www.cnblogs.com/LandWind/p/win11-cuda-cudnn-Tensorflow-GPU-env-start.html）后，保险起见，同样选择CUDA 11.7 版本安装。
官网：https://developer.nvidia.com/cuda-toolkit-archive
选择CUDA Toolkit 11.7.0并点击，如下图所示：
页面跳转到下载界面，选择Windows，x86_64,11，exe（local），右下角出现Download按钮，点击下载即可。
下载完毕后安装，一路next，应该没有什么坑。
安装完毕后，可能会涉及环境变量配置，如果遇到问题，建议查看其它博客。
安装好后测试下命令行： nvcc -V
cuDNN
官网： https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
同理，根据已成功安装的博客，选择cuDNN 8.5.0 for CUDA 11.x
下载完毕后，解压该压缩包，并将复制到cuda文件夹C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7下面（CUDA 11.7安装时的默认安装路径）。
其中，LICENSE放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7路径下，bin、include、lib文件夹中的内容放到路径下对应文件夹内。
踩坑：要先点开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7路径下的文件夹，再点开cuDNN对应的文件夹，把其中的内容复制过去！！！
其中，lib文件夹还要点开x64文件夹后，再复制过去。
tensorflow-gpu
安装tensorflow-gpu
通过pip指令安装（使用豆瓣源）：
pip install tensorflow-gpu -i http://pypi.douban.com/simple
测试是否安装成功：
import tensorflow as tf print(tf.config.list_physical_devices('GPU')) print(tf.test.is_gpu_available())
输出如下，则成功：
